Mis apuntes · Aprende awk desde PHP

Se guardan solos en este navegador mientras escribes. Puedes usar Markdown. Al descargarlos, la primera línea es tu enlace personal al curso.

Lección 3 de 31 · De PHP a awk ✦ WebMCP implementado

$0, $1 y NF: la línea ya viene troceada

8 min de lectura 4 retos

Ya sabes que awk te da cada línea troceada: $1, $7, $9. En esta lección miras esos trozos más de cerca: cuántos tiene cada línea, cómo pedir el último sin saber cuántos hay y qué pasa si pides uno que no existe. Es todo lo que en PHP haces con count() y los corchetes.

¿De dónde vienen los nombres?

campo = inglés field
Cada trozo de la línea que queda entre espacios. Es un elemento del array que te devuelve explode() o preg_split() en PHP.
NF = Number of Fields (número de campos)
Cuántos campos tiene la línea que awk está leyendo ahora. Es tu count($campos). Se escribe en mayúsculas y sin dólar.
$NF = «el campo número NF»
El último campo de la línea. No es un nombre nuevo: es el dólar de siempre («el campo número…») seguido de NF. En PHP 8.5 es array_last($campos).
user agent = inglés user agent (agente del usuario)
El texto con el que se presenta el programa que hace la visita: un navegador, curl, el robot de Google. En PHP lo lees en $_SERVER['HTTP_USER_AGENT']. En el log va al final de la línea.
En 4 ideas
1/4

$0 es la línea entera y $1, $2… sus trozos. En PHP son $linea y $campos[0], $campos[1]…, pero awk cuenta desde 1.

1 · La línea y sus trozos

Cada vez que awk lee una línea hace dos cosas antes de ejecutar tu programa. Guarda la línea tal cual en $0. Y la corta por los espacios en campos, que numera desde el 1. Es como una tableta de chocolate: $0 es la tableta entera y $1, $2, $3… son las onzas.

Estos son los campos del log que más vas a usar en el curso:

CampoQué hayEn la primera línea del log
$0La línea entera, sin cortar203.0.113.7 - - [19/Nov/2026:10:15:32 …
$1La IP de quien visita203.0.113.7
$4La fecha y la hora (con un corchete delante)[19/Nov/2026:10:15:32
$7La página que pidió (la URL)/
$9El estado de la respuesta200
$10Los bytes que se enviaron5123

A la izquierda, el PHP que saca el estado y los bytes de cada visita. A la derecha, lo mismo en awk. Fíjate en los números de dentro de los corchetes y en los de detrás del dólar.

PHP 8.5estado-y-bytes.php
<?php
$lineas = file("access.log", FILE_IGNORE_NEW_LINES);
foreach ($lineas as $linea) {
    // trocear por los espacios: awk ya lo trae hecho
    $campos = preg_split('/\s+/', trim($linea));
    // PHP cuenta desde 0: el campo 9 es el índice 8
    echo $campos[8], " ", $campos[9], PHP_EOL;
}
awkprograma.awk
# En PHP: echo $campos[8], " ", $campos[9], PHP_EOL;
{ print $9, $10 }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
  1. awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
  2. -f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
  3. access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.

Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.

Medido en el servidor del curso con access.log multiplicado hasta 1.000.000 líneas: PHP 8.5: 2,36 s · gawk: 620 ms · mawk: 570 ms. awk tarda 4,1 veces menos que PHP.

¿Por qué? · En PHP no existe

¿Por qué awk cuenta desde 1 y no desde 0, como PHP?

Porque awk está pensado para leer ficheros como los lee una persona. Nadie dice «la columna cero de la tabla»: decimos la primera, la segunda, la tercera. Así, «el campo 9» es de verdad el noveno trozo que ves en la línea, y puedes contarlos con el dedo.

Además, eso dejó libre el número 0 para algo útil: la línea completa. ¿Qué fallo trae para alguien de PHP? Que al traducir un script de cabeza escribas $8 donde va $9. awk no avisa: imprime otro trozo y ya está. Si la salida no es la que esperas, cuenta los campos.

2 · NF: cuántos campos tiene la línea

awk lleva la cuenta de los trozos de cada línea en una variable que ya viene hecha: NF. Se escribe en mayúsculas y sin dólar. Este programa imprime cuántos campos tiene cada línea y de qué IP es:

awkprograma.awk
# En PHP: echo count($campos), " ", $campos[0], PHP_EOL;
{ print NF, $1 }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
  1. awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
  2. -f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
  3. access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.

Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.

No sale el mismo número en todas: hay líneas de 12 campos, de 15, de 18, de 23 y de 28. NF se recalcula con cada línea, igual que tu count($campos) da un resultado distinto en cada vuelta del foreach.

Como NF es un número, sirve de patrón. ¿Recuerdas == de la lección anterior? Estas son las líneas que tienen justo 15 campos:

awkprograma.awk
# En PHP: if (count($campos) == 15) { echo $campos[0], " ", $campos[6], PHP_EOL; }
NF == 15 { print $1, $7 }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
  1. awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
  2. -f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
  3. access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.

Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.

3 · $NF: el último campo

Si cada línea tiene un número distinto de campos, ¿cómo pides el último? En una línea es el 12, en otra el 23. No puedes escribir un número fijo. La solución es poner NF detrás del dólar:

awkprograma.awk
# En PHP: echo $campos[0], " ", array_last($campos), PHP_EOL;
{ print $1, $NF }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
  1. awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
  2. -f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
  3. access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.

Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.

Léelo despacio. El dólar significa «el campo número…». Y NF es un número: 12 en una línea, 23 en otra. Así que $NF es «el campo número 12» en la primera y «el campo número 23» en la segunda. Siempre el último, tenga los que tenga.

QuieresPHP 8.5awk
Cuántos campos haycount($campos)NF
El último campoarray_last($campos)$NF
El penúltimo$campos[count($campos) - 2]$(NF-1)
El primeroarray_first($campos) o $campos[0]$1

¿Por qué? · En PHP no existe

¿Por qué NF y $NF son cosas distintas, si solo cambia un dólar?

En PHP el dólar forma parte del nombre: $total es la variable y total a secas no es nada. En awk el dólar es una operación, como el signo menos. Coge el número que tiene a su derecha y te devuelve el campo que está en esa posición.

Piensa en un bloque de pisos. NF es el número de plantas del edificio: 12. $NF es quien vive en la planta 12. Una cosa es un número y la otra es lo que hay en ese sitio.

¿Qué fallo nuevo trae? Que se te escape un dólar de más o de menos y awk no proteste. print NF imprime 12 cuando querías el navegador. Y $NF == 12 no pregunta si la línea tiene 12 campos: pregunta si el último campo vale 12. Las dos cosas se ejecutan sin error.

Detrás del dólar puedes poner una cuenta, no solo un número o NF. Para el penúltimo campo, la cuenta es NF-1, y va entre paréntesis:

awkprograma.awk
# En PHP: echo $campos[count($campos) - 2], " ", array_last($campos), PHP_EOL;
{ print $(NF-1), $NF }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
  1. awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
  2. -f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
  3. access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.

Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.

4 · Un campo que no existe vale vacío

Ninguna línea del log llega a los 40 campos. ¿Qué pasa si pides el campo 40? En PHP, $campos[40] lanza un aviso de Undefined array key. En awk no pasa nada: vale texto vacío. Para que se vea, este programa lo imprime entre corchetes:

awkprograma.awk
# En PHP: echo $campos[0], " [", $campos[40] ?? "", "]", PHP_EOL;
{ print $1, "[" $40 "]" }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
  1. awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
  2. -f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
  3. access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.

Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.

Entre los corchetes no hay nada. awk no se queja, no se para y sigue con la línea siguiente. Es lo que en PHP consigues escribiendo $campos[40] ?? "" cada vez.

¿Por qué? · En PHP no existe

¿Por qué awk no avisa de un campo que no existe?

Porque los ficheros de verdad vienen sucios: una línea cortada a medias, una línea en blanco, una petición rara de un robot. Si awk se parase en cada línea a la que le falta un trozo, no terminarías nunca de leer un log de un millón de líneas. Prefiere darte un vacío y seguir.

¿Qué fallo nuevo trae? El mismo que evita. Si te equivocas de número y escribes $19 donde querías $9, no hay aviso: verás líneas en blanco, o columnas vacías, y tendrás que darte cuenta tú. En PHP el warning te habría llevado a la línea exacta.

5 · El navegador ocupa varios campos

¿Por qué unas líneas tienen 12 campos y otras 28, si todas apuntan lo mismo? Por el final de la línea. Ahí está el user agent: el texto con el que se presenta el programa que hace la visita. Y ese texto puede llevar espacios dentro.

El user agent empieza en el campo 12. Mira qué hay en ese campo en cada línea:

awkprograma.awk
# En PHP: echo count($campos), " ", $campos[11], PHP_EOL;
{ print NF, $12 }
$ awk -f programa.awk access.log
¿Qué significa esta línea?
  1. awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
  2. -f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
  3. access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.

Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.

En las líneas de 12 campos sale entero: "curl/8.5.0", con sus comillas de apertura y de cierre. Es un programa de terminal y se presenta con una sola palabra. En las demás solo sale "Mozilla/5.0, con la comilla de apertura y sin la de cierre. El resto se ha quedado en los campos 13, 14, 15…

awk corta por los espacios y no sabe nada de comillas. Para él, "Mozilla/5.0 (X11; Linux x86_64; rv:131.0) Gecko/20100101 Firefox/131.0" no es un dato: son siete trozos. Es como cortar una frase por los espacios para sacar el nombre de alguien que se llama «María del Mar»: te salen tres trozos donde había un solo nombre.

  • Por eso NF cambia: cuantas más palabras tiene el user agent, más campos tiene la línea.
  • Por eso los campos del principio ($1, $7, $9, $10) son de fiar: están antes de la parte que baila.
  • Y por eso $NF es solo el último trozo del user agent, no el user agent entero.

La pregunta que te vas a hacer

Entonces, ¿cómo saco el navegador entero, con sus espacios?

Diciéndole a awk que corte por otro sitio. Si en vez de cortar por los espacios cortas por las comillas dobles, el user agent entero cae en un solo campo. Eso se hace cambiando el separador, y es justo el tema del módulo 02 (lecciones «FS y -F» y «Anatomía del access log»).

Mientras tanto ya puedes hacer cosas útiles con lo que sabes. Un navegador de verdad se presenta con muchas palabras. Un script (curl, un programa en Python) casi siempre con una. Así que una línea de exactamente 12 campos suele ser una visita de un programa, no de una persona. Lo usarás en el último reto.

Hora de practicar

Retos · 0/4 resueltos

Reto 1 de 4

Cuenta los trozos

Imprime, por cada línea del log, cuántos campos tiene y la página que se pidió (el campo 7), separados por un espacio. Para la primera línea debe salir 18 /. En PHP sería echo count($campos), " ", $campos[6], PHP_EOL;.

Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.

awkprograma.awk · editable
$ awk -f programa.awk access.log
¿Qué significa esta línea?
  1. awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
  2. -f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
  3. access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.

Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.

Resumen

Lo que te llevas de esta lección

  1. $0 es la línea entera ($linea) y $1…$n sus trozos ($campos[0]…). awk cuenta desde 1; PHP, desde 0.
  2. NF = cuántos campos tiene la línea actual. Es count($campos) y cambia en cada línea.
  3. $NF = el último campo (array_last($campos)). $(NF-1) = el penúltimo, con paréntesis.
  4. El dólar es una operación: «el campo número…». NF es un número; $NF, lo que hay en esa posición.
  5. Un campo que no existe vale texto vacío y no da error. En PHP sería $campos[40] ?? "".
  6. El user agent tiene espacios, así que ocupa varios campos: por eso NF cambia de una línea a otra.

Para recordarlo: «Sin dólar, cuántos; con dólar, el último»

NNumber
número
FFields
de campos

NF cuenta los campos y $NF te da el que está al final. Si dudas, lee el dólar en voz alta: «el campo número…». $NF es «el campo número cuántos-hay».

Los programas se ejecutan con GNU awk 5.4.1 compilado a WebAssembly, software libre con licencia GPL-3.0. Código fuente: gawk en ftp.gnu.org · receta de compilación.